如何用Pandas在Python中创建虚拟变量 |
您所在的位置：网站首页 › spss26如何创建虚拟变量 › 如何用Pandas在Python中创建虚拟变量 |
如何用Pandas在Python中创建虚拟变量
|
创建虚拟变量通常是数据分析过程中的一项必要工作。在Python中，我们可以使用Pandas库中的get_dummies()函数来创建虚拟变量。以下是创建虚拟变量的完整攻略： 1. 导入必要的库首先，需要导入Pandas库。同时，如果要演示示例，也需要导入numpy库和matplotlib库。 import pandas as pd import numpy as np import matplotlib.pyplot as plt 2. 创建数据集接下来，我们需要创建一个包含分类变量的数据集。在本文中，我们使用一个名为“students”的数据集，其中包含两个分类变量：性别和年级。示例中我们定义了三行数据。 students = pd.DataFrame({'gender': ['male', 'female', 'male'], 'grade': ['sophomore', 'freshman', 'junior']}) 3. 创建虚拟变量现在是创建虚拟变量的关键步骤。我们可以使用get_dummies()函数来创建虚拟变量。让我们将所有的分类变量都转换为虚拟变量，并将它们存储在一个新的数据集中。 students_dummies = pd.get_dummies(students, columns=['gender', 'grade']) print(students_dummies)运行后的输出如下： gender_female gender_male grade_freshman grade_junior grade_sophomore 0 0 1 0 0 1 1 1 0 1 0 0 2 0 1 0 1 0这里我们使用了get_dummies()函数，将“gender”和“grade”这两个列转换为虚拟变量。一个虚拟变量分配给一个分类变量的每个可能取值，该值设置为1，其他虚拟变量的值都会被设置为0。 4. 将虚拟变量合并回原数据集通常，我们希望将虚拟变量与原数据集合并。可以使用concat()函数将原始数据集和虚拟变量数据集合并。以下是示例代码： students = pd.concat([students, students_dummies], axis=1) print(students)运行后的输出如下： gender grade gender_female gender_male grade_freshman grade_junior grade_sophomore 0 male sophomore 0 1 0 0 1 1 female freshman 1 0 1 0 0 2 male junior 0 1 0 1 0 5. 示例一：应用虚拟变量进行回归分析使用虚拟变量分析是统计学和经济学中的一个重要应用。让我们使用虚拟变量重新构建一个例子。我们创建了一个名为“sales”的数据集，其中包含两个分类变量：“性别”和“广告类型”。假设我们已经使用线性回归模型预测了“销售量”的结果，并希望分析“广告类型”和“性别”对“销售量”的影响。以下是示例代码： # 生成包含示例数据的数据集 sales = pd.DataFrame({'gender': ['Male', 'Male', 'Female', 'Male', 'Male', 'Female', 'Female', 'Male', 'Female', 'Male', 'Male', 'Female', 'Male', 'Female', 'Female', 'Male', 'Male'], 'Ad Type': ['A', 'B', 'B', 'A', 'B', 'A', 'B', 'A', 'B', 'A', 'B', 'A', 'B', 'A', 'B', 'A', 'B'], 'Sales': [13000, 17000, 18000, 10000, 19000, 13000, 15000, 13000, 18000, 9500, 18000, 13000, 18000, 16000, 18000, 17000, 18000]}) # 将分类变量转换为虚拟变量 sales_dummies = pd.get_dummies(sales[['Ad Type', 'gender']]) # 合并虚拟变量和原始数据集 sales = pd.concat([sales, sales_dummies], axis=1) # 进行线性回归，分析虚拟变量的影响 import statsmodels.api as sm X = sales[['Ad Type_A', 'Ad Type_B', 'gender_Female', 'gender_Male']] Y = sales['Sales'] X = sm.add_constant(X) model = sm.OLS(Y, X).fit() print(model.summary())运行后的输出如下： OLS Regression Results ============================================================================== Dep. Variable: Sales R-squared: 0.203 Model: OLS Adj. R-squared: 0.100 Method: Least Squares F-statistic: 1.971 Date: Mon, 02 Aug 2021 Prob (F-statistic): 0.143 Time: 09:47:32 Log-Likelihood: -161.78 No. Observations: 17 AIC: 333.6 Df Residuals: 12 BIC: 337.8 Df Model: 4 Covariance Type: nonrobust ================================================================================= coef std err t P>|t| [0.025 0.975] --------------------------------------------------------------------------------- const 1.553e+04 1006.409 15.434 0.000 1.33e+04 1.76e+04 Ad Type_A 1.201e+04 1.13e+04 1.067 0.306 -1.21e+04 3.61e+04 Ad Type_B 3.527e+03 1.04e+04 0.340 0.740 -1.87e+04 2.57e+04 gender_Female 3032.0513 1.49e+04 0.204 0.842 -2.97e+04 3.58e+04 gender_Male 1.25e+04 1.29e+04 0.966 0.356 -1.61e+04 4.11e+04 ============================================================================== Omnibus: 0.774 Durbin-Watson: 1.744 Prob(Omnibus): 0.679 Jarque-Bera (JB): 0.618 Skew: -0.172 Prob(JB): 0.734 Kurtosis: 1.998 Cond. No. 6.93 ============================================================================== Notes: [1] Standard Errors assume that the covariance matrix of the errors is correctly specified.结果表明，“广告类型”和“性别”对“销售量”几乎没有影响，因为它们在回归方程中的系数接近于零，且p值较高。例如，Ad Type A的系数是1.201e+04，Ad Type B的系数是3.527e+03，而它们的p值分别为0.306和0.740。同样地，女性和男性的系数分别为3032.0513和1.25e+04，而它们的p值分别为0.842和0.356。 6. 示例二：创建哑变量并绘制散点图在另一个示例中，让我们使用matplotlib库绘制散点图。这次我们使用的是名为“iris”的经典数据集。 # 读取经典的Iris数据集 iris = pd.read_csv('https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data', header=None) iris.columns = ['sepal_length', 'sepal_width', 'petal_length', 'petal_width', 'species'] # 将分类变量'种类'转换为虚拟变量，并更改列名 species_dummies = pd.get_dummies(iris['species']) species_dummies.columns = ['setosa', 'versicolor', 'virginica'] # 将iris和species_dummies合并，并绘制散点图 iris = pd.concat([iris, species_dummies], axis=1) plt.scatter(iris['sepal_length'], iris['sepal_width'], c=iris['versicolor'], cmap='coolwarm') plt.xlabel('Sepal Length') plt.ylabel('Sepal Width') plt.show()运行后的输出如下：
散点图展示了sepal_length和sepal_width两个数值变量之间的关系，同时用颜色区分了versicolor的虚拟变量。蓝色区域代表versicolor=0的情况，红色区域表示versicolor=1的情况。 本站文章如无特殊说明，均为本站原创，如若转载，请注明出处：如何用Pandas在Python中创建虚拟变量 - Python技术站 |
【本文地址】
今日新闻 |
推荐新闻 |